A discrepância entre dispor de mais dados e tomar melhores decisões raramente se deve à falta de tecnologia. Em vez disso, decorre da ausência de uma responsabilidade clara. As organizações passaram anos a investir em sistemas que recolhem, transferem e armazenam informação, mas muitas ainda têm dificuldade em responder a uma pergunta simples: quem é responsável por garantir que os dados são precisos, fiáveis e adequados ao fim a que se destinam? Em 2026, um número crescente de organizações está a reconhecer que dados de melhor qualidade começam por algo muito mais simples do que mais um investimento em tecnologia. Começam pela atribuição de responsabilidades.

O padrão de falha já conhecido

Este padrão é familiar a qualquer pessoa que já tenha participado num programa de transformação. Os dados estão espalhados por dezenas de sistemas, cuja responsabilidade recai sobre a equipa que os criou ou herdou. O departamento financeiro tem os seus números. O departamento de operações tem os seus números. O departamento de vendas tem os seus números. Quando alguém coloca uma questão interfuncional, como, por exemplo, de que forma uma alteração numa parte do negócio está a afetar outra, a resposta é muitas vezes pouco clara.

Não porque a informação não exista, mas porque ninguém controla a ligação entre esses conjuntos de dados. A reconciliação manual da informação leva tempo e, muitas vezes, as decisões são tomadas muito antes de a análise estar concluída.

Isto não se deve a uma falta de ambição. A maioria das organizações investiu significativamente em infraestruturas de dados ao longo da última década, através de migrações para a nuvem, plataformas de relatórios, ferramentas de análise e novos sistemas empresariais. O problema é que grande parte desse investimento se centrou na transferência e no armazenamento de dados, em vez de atribuir a alguém a responsabilidade pela sua qualidade, consistência e usabilidade.

Como é que isto se traduz na prática

Imagine uma empresa que decide reduzir o número de fornecedores para diminuir os custos de aquisição. Seis meses depois, a satisfação dos clientes começa a diminuir devido à deterioração do desempenho nas entregas.

A equipa de aquisições dispõe de dados que revelam uma redução nos custos. A equipa de operações dispõe de dados que revelam prazos de entrega mais longos. A equipa de atendimento ao cliente dispõe de dados que revelam um aumento nas reclamações. Cada equipa consegue ver o que se passa na sua própria área de atuação, mas ninguém se responsabiliza pela relação entre esses conjuntos de dados. Consequentemente, o impacto só é identificado quando o problema já se tornou significativo.

A questão não é a falta de dados. A empresa dispõe de dados em abundância. A questão é que ninguém se responsabiliza por estabelecer as ligações.

A mudança a que vale a pena prestar atenção

As organizações que mais progredirão em 2026 não são necessariamente aquelas que recolhem mais dados do que as outras. São aquelas que atribuem responsabilidades claras pelos dados de que já dispõem.

Esta abordagem é vulgarmente conhecida como «Dados como Produto». Em vez de tratarem os dados como um subproduto de qualquer sistema que os gere, as organizações tratam os ativos de dados críticos como produtos que exigem propriedade, governação e melhoria contínua.

Na prática, isto significa que uma pessoa ou equipa específica é responsável por um determinado domínio de dados, quer se trate de informações sobre clientes, dados de fornecedores ou métricas de desempenho operacional. São responsáveis pela sua exatidão, mantêm a respetiva documentação e respondem por eventuais erros. Mais importante ainda, têm autonomia para o melhorar. As pessoas que dependem dessas informações noutras áreas da organização podem confiar nelas, em vez de sentirem a necessidade de as validar sempre que as utilizam.

À primeira vista, isto parece uma mudança relativamente pequena. Mas não é. Altera fundamentalmente a resposta a uma das questões mais importantes em qualquer organização: quem é o responsável quando os dados estão errados? Para muitas empresas, essa questão ainda não tem uma resposta clara.

Por que é que isto é mais importante do que nunca

Duas tendências importantes estão a tornar a propriedade dos dados uma prioridade urgente.

A primeira é a inteligência artificial. Qualquer iniciativa séria no domínio da IA depende de dados precisos, bem geridos e fiáveis. Quando a IA se baseia em informação fragmentada ou mal gerida, limita-se a automatizar os problemas existentes mais rapidamente e em maior escala. Uma ferramenta de IA treinada com dados não fiáveis não elimina a tomada de decisões erradas. Pelo contrário, acelera-a, muitas vezes com uma maior sensação de confiança.

As organizações que obtêm os melhores resultados com a IA nem sempre são aquelas que dispõem da tecnologia mais avançada. São, sim, aquelas que investiram primeiro em bases de dados sólidas. Embora a IA atraia a maior parte da atenção, a responsabilidade e a governação revelam-se, cada vez mais, os verdadeiros fatores diferenciadores entre as iniciativas que se expandem com sucesso e aquelas que permanecem estagnadas na fase piloto.

O segundo fator é a regulamentação. Os requisitos em matéria de privacidade e partilha de dados continuam a alargar-se em muitos mercados. Espera-se cada vez mais que as organizações demonstrem de onde provêm os dados, quem é responsável por eles e como são geridos. Uma atribuição clara da responsabilidade já não é apenas uma boa prática. Em muitas situações, está a tornar-se uma necessidade empresarial e de conformidade.

Como é que isso se traduz na prática

As organizações que registam progressos genuínos raramente tentam resolver a questão da titularidade dos dados em toda a empresa de um dia para o outro. Em vez disso, começam por um pequeno número de áreas de elevado valor, muitas vezes os dados que causam maior frustração na elaboração de relatórios, na análise ou na tomada de decisões operacionais. Estabelece-se uma titularidade clara, definem-se as expectativas e mede-se o sucesso. As lições aprendidas são depois aplicadas noutras áreas.

A supervisão central continua a desempenhar um papel importante. O modelo mais eficaz raramente é a propriedade totalmente descentralizada sem qualquer coordenação, uma vez que isso conduz frequentemente a definições inconsistentes, duplicação de esforços e padrões de qualidade variáveis. Da mesma forma, um controlo totalmente centralizado pode ficar desligado da realidade de como as diferentes equipas utilizam os dados na prática.

As organizações que conseguem encontrar o equilíbrio certo combinam a responsabilidade, liderada pelas unidades de negócio, por domínios de dados específicos com uma pequena função central responsável pelas normas, pela governação e pela consistência em toda a organização. Isto cria responsabilização sem gerar fragmentação e permite que as equipas trabalhem com maior confiança nas informações que utilizam.

O custo de não o fazer

As organizações sem uma atribuição clara da titularidade dos dados raramente percebem as consequências durante o funcionamento normal. O custo torna-se visível nos momentos mais importantes: durante uma aquisição, quando duas organizações precisam de conciliar os seus dados rapidamente; durante uma auditoria regulamentar, quando ninguém consegue explicar exatamente de onde provém um número; durante um grande programa de transformação, quando relatórios contraditórios tornam impossível estabelecer uma única versão da verdade; ou durante uma iniciativa de IA que tem dificuldade em ir além da prova de conceito porque os dados subjacentes nunca foram suficientemente fiáveis para servir de base.

Enfrentar estes desafios não requer, desde o primeiro dia, um programa de transformação em grande escala e com duração de vários anos. Começa com uma decisão deliberada sobre quem é responsável por quê e o que se entende por «bom». As organizações mais bem-sucedidas estão a abordar esta questão uma área de cada vez, reforçando a confiança, a capacidade e a credibilidade à medida que avançam.

Em muitos aspetos, o debate em torno dos dados mudou. O desafio já não reside na sua recolha. A maioria das organizações já resolveu esse problema.

O desafio é a apropriação.

E, em 2026, as organizações que tirarão maior partido da análise de dados, da transformação e da IA não serão necessariamente aquelas que dispõem de mais dados. Serão aquelas que conseguirem responder a uma pergunta muito mais simples:

De quem é?